python3dijkstra_明白动态规划,Dijkstra方法的Python实现和问题的解决步骤(译)

原作者：金子冴

校阅：内野良一

翻译：叶子

原文链接

目录

什么是动态规划(Dynamic Programming)

例题：用Dijkstra的方法解决最短路径问题(Python实现)

使用动态规划解决问题的步骤

参考

什么是动态规划(Dynamic Programming)

动态规划概要

动态规划是一种解题手法的总称。它通过将一个无法解决的大问题分解成复数个小问题(也叫子问题)，然后在解决这些小问题的基础之上来解决原始的大问题。通过使用动态规划，我们能将一部分在多项式时间内无法解决的问题，在类似多项式的时间内求得最优解(稍后会进行说明)。

判断一个问题是否可以通过动态规划来解决的时，我们需要判断该问题是否满足可分治(分而治之)和可记忆(将阶段性成果进行缓存，便于重复利用)两个条件。首先，让我们先去理解:多项式时间、分而治之、以及记忆化(Memoization)。

什么是多项式时间，什么是多项式时间算法

多项式时间是指由多项式表示的计算时间。多项式时间算法是指当入力的大小(长度或者个数)是n的时候，计算时间(执行步数)的上限在n的多项式时间内能够表示的算法。比如，计算九九乘法表的算法的计算时间可以表示为9x9。将其扩展到nxn的时候，计算时间用大O记法来表示的话，可以表示为O(n2)。这表明该算法的计算时间的上限可以用n2来表示，因此计算nxn的乘法的算法可以说是多项式算法。

但是，在多项式时间内无法解决的问题也是存在的，比如说接下来将要说明的最短路径问题，在多项式时间内就无法解决。如下图所示的加权路线图，找一个从START开始到到达GOAL的花费最短(权重